英伟达发布Vera Rubin系统锁定万亿订单

英伟达发布Vera Rubin系统锁定万亿订单 英伟达通过开源自动驾驶模型与垂直整合的AI Agent生态加速软硬件垄断，在压缩特斯拉护城河的同时，也因一年一换代的高昂基建成本给下游企业带来类似光纤泡沫的资金压力。 本期视频对英伟达 GTC 2026 大会进行了深度拆解，核心聚焦于黄仁勋宣布的 2027 年 Blackwell 和 Vera Rubin 架构芯片高达 1 万亿美元的巨额订单预测。内容详细分析了英伟达如何通过联合 19 家车企并与 Uber 合作来构筑自动驾驶的“安卓模式”以围剿特斯拉，以及专为 AI Agent 串行推理优化的 Vera Rubin 超级系统的架构逻辑。此外，博主还兑现了上期关于 AI Agent 成为行业主旋律的预测，并从云厂商资本支出、推理收入占比等维度为投资者提供了审视英伟达的观察框架与风险提示。 黄仁勋在 GTC 2026 宣布 Blackwell 和新一代 Vera Rubin 架构芯片到 2027 年的订单总额预计达 1 万亿美元，规模较去年预测翻倍，并公布了太空数据中心蓝图。 (0:00) 英伟达联合比亚迪、小米等 19 家全球主流车企建立自动驾驶“安卓模式”，凭借性能逼近特斯拉 FSD 的开源模型缩小对手护城河，并携手 Uber 落地 L4 级无人出租车闭环。 (1:12) 黄仁勋提出 2026 年是“推理的拐点”，新推出的 Vera Rubin 垂直整合系统配备 88 核 Vera CPU 并融合 Groq LPU 技术，将每瓦 Token 产出提升 35 倍以应对 Agent 串行推理。 (6:34) 英伟达将 OpenClaw 视作 Agent 计算机的操作系统并发布企业级平台 Nemo-Cloud，预言 IT 软件行业正加速从传统 SaaS 时代跨入 GaaS（Agent as a Service）时代。 (12:57) 随着巨头基础设施投入加剧，一年一代的高频硬件迭代引发了类似 2000 年“光纤泡沫”的担忧，投资者需密切追踪云厂商 Capex 与推理端真实商业变现数据。 (16:19)

博主指出，英伟达在 GTC 2026 上宣布其 Blackwell 与 Vera Rubin 芯片到 2027 年的订单预计达 1 万亿美元，并通过软硬件全栈整合正从单纯的芯片供应商转型为 AI 时代的底层基础设施运营商。 车载开源生态围剿特斯拉苹果模式 (1:12) 在自动驾驶赛道上，英伟达联合了包括丰田、奔驰、通用以及比亚迪、小米等 7 家中国车企在内的 19 家全球主流车企，试图确立开放的“安卓模式”。与特斯拉软硬件及数据自研封闭的“苹果模式”不同，英伟达提供开源自动驾驶模型、芯片、Nemo-Cloud 操作系统以及获得全球首张 ANAB 认证资质的 Halos 安全体系。英伟达内部对比测试显示，其系统的接管频率已与特斯拉 FSD 处于同一数量级，英伟达汽车部门副总裁更称其仅用一年就完成了从高速到城市道路的跨越。 为构建落地闭环，英伟达还联手 Uber 计划自 2027 年在洛杉矶与旧金山部署 L4 级无人出租车，并在 2028 年扩展至全球 28 座城市。尽管英伟达汽车业务上季度营收仅为 5.92 亿美元，占总收入不足 1%，但黄仁勋已将其定位为仅次于 AI 数据中心的第二大增长引擎。博主分析，英伟达为缺乏自研 FSD 能力的车企提供了高性价比的替代路径，正直接削弱特斯拉的自动驾驶护城河。 Vera Rubin架构锚定推理算力拐点 (6:34) 黄仁勋提出，AI 演进在经历生成式模型爆发（2023年）、思考推理（2024年）及 Agent 能力突破（2025年）后，将于 2026 年迎来“推理的拐点”。由 130 万个零部件构成的 Vera Rubin 并非单颗芯片，而是整合了 7 颗芯片、5 套机架系统的垂直超级计算系统，其设计核心是应对 Agent 复杂任务带来的高频、链式串行推理算力消耗。系统搭载了 88 核 Vera CPU 以最大化单线程性能，并融合了此前以 200 亿美元收购 Groq 所获得的 LPU 技术，使每瓦 Token 产出提升高达 35 倍，极大缓解了数据中心高昂的电力成本。 针对长期产品规划，英伟达公布了明确的迭代路线：预计 2027 年下半年出货搭载 144 块 GPU 互联的 Vera Rubin Ultra，2028 年推出下一代 Feynman 架构。黄仁勋甚至提出了旨在突破地面电力与土地限制的“Vera Rubin Space-1”太空数据中心构想。博主指出，整套高度绑定的软硬件体系极大拉高了云厂商的迁移成本，使得采购客户难以转向 AMD 或自研芯片平台。 Agent崛起冲击传统SaaS软件模式 (12:57) 黄仁勋在大会上预测，IT 行业将从传统的购买工具软件（SaaS）迈向由智能体自主调用工具的 GaaS 时代。英伟达将开源框架 OpenClaw 誉为“Agent 计算机的操作系统”，并基于此发布了面向企业的开源 Agent 平台 Nemo-Cloud。这一方向与微软推出的 Copilot Coworker 形成共振，对仅依靠单一功能生存的 SaaS 创业公司构成了底层冲击。 从更广泛的产业渗透来看，AI 正在加速进入关键实体行业。罗氏制药宣布在全球部署 3,500 块 Blackwell GPU，推动 AI 深入药物研发、诊断与生产；强生则采用英伟达 IGX Thor 芯片打造数字手术平台。从生物医疗到物理机器人（如大会展示的 Olaf 机器人），专用芯片与操作系统的结合正在迅速缩短虚拟 AI 技术落地现实场景的开发周期。 万亿资本支出背后的光纤泡沫担忧 (16:19) 尽管黄仁勋预估 2030 年全球数据中心资本支出将达 3 至 4 万亿美元，且目前 AWS、微软 Azure 等云厂商订单充沛，但金融市场在 GTC 后的反应依然克制。股价从高点 207 美元回调至 180 美元区间，反映出华尔街对投资回报率（ROI）释放节奏的疑虑。虽然 Meta AI 广告升级和 Anthropic 营收翻 10 倍提供了正向案例，但英伟达一年一换代的硬件策略也让部分分析师担心，这可能使客户的数据中心变成昂贵的“年耗品”，若商业变现落后于折旧速度，存在重演 2000 年光纤泡沫的风险。 博主建议投资者重点监控三项风险指标：各大云厂商的资本支出增速、英伟达营收中推理占比的持续性，以及终端 AI 企业自身造血能力。此外，Vera Rubin 依赖的三星、SK海力士和美光的 HBM4 产能分配，也将成为制约短期出货节奏与估值落地的关键卡脖子因素。 英伟达凭借软硬件垄断已在算力基础设施领域筑起极高壁垒，但技术的极速迭代与客户商业变现周期的脱节，使得硬件过剩与光纤泡沫的风险依然悬而未决。

[0:00] 黄仁勋: 到 2027 年，Blackwell 和新一代 Vera Rubin 架构芯片的订单总额预计将达到惊人的 1 万亿美元。 [0:00] Alan Chen: 1万亿是什么概念呢？ [1:12] 黄仁勋: 自动驾驶的 ChatGPT 时刻到了。 [4:51] 英伟达汽车部门副总裁: 英伟达用一年时间从高速公路推进到城市道路自动驾驶，特斯拉花了8年。 [4:51] 马斯克: 走完 90% 并不难，最后那 10% 才是地狱，从“能用”到“比人类安全”中间还隔着五六年。 [6:34] 黄仁勋: 推理的拐点 [6:34] 黄仁勋: 英伟达100%的员工都在用 Claude Code [10:14] Alan Chen: 你随便爱用谁的铲子，但你走的路是我修的，用的电是我发的，挖矿必须遵守的安全规则也是我定的。 [12:57] 黄仁勋: 每一家公司都需要有一个 OpenClaw 战略 [16:19] 华尔街分析师: 算力等于营收 [20:56] 黄仁勋: 一条命令就能搭建一个 AI Agent

[0:00] 1万亿美元 [0:01] 黄仁勋在GTC大会上花了两个多小时 [0:03] 发布了7颗芯片 [0:04] 一个操作系统一套安全认证体系 [0:07] 一个太空数据中心 [0:09] 计划拉了19家车企入伙 [0:11] 还在台上 [0:12] 跟一个冰雪奇缘的Olaf机器人聊了天 [0:15] 然后他说 [0:16] 到2027年Blackwell和Vera Rubin的订单总额 [0:19] 预计达到1万亿美元 [0:21] 去年这个数字还是5,000亿 [0:22] 12个月翻了一倍 [0:24] 1万亿是什么概念呢 [0:26] 全球航空业一年的总营收 [0:28] 大概8,500亿美金 [0:30] 一家卖芯片的公司两年的订单 [0:32] 比全世界所有航空公司加起来 [0:34] 一年赚的钱还多 [0:35] 但是你随便一搜 [0:36] 就可以找到这些新闻 [0:38] 今天这期视频呢 [0:39] 我不打算复述 [0:40] 黄仁勋在GTC大会上发布了什么 [0:42] 我想跟你聊的是 [0:43] 今天GTC结束之后 [0:45] 英伟达在整个AI产业的位置 [0:47] 发生了一个根本性的变化 [0:49] 而且这个变化 [0:50] 跟我在上周频道里 [0:51] 聊到了一个预测直接相关 [0:54] 大家大家坐稳扶好 [0:55] 先赞后看 [0:56] 好运不断 [0:57] 先给大家看一下今天视频的结构 [0:59] 方便你有更好的全局观 [1:01] 第一个呢 [1:01] 我会讲自动驾驶 [1:02] 第二个我会拆解Vera Rubin这个芯片 [1:05] 第三个呢 [1:05] 我会对账一下上一期视频我的预测 [1:08] 最后我会从投资者的角度 [1:10] 给你一个观察英伟达的框架 [1:12] 今天GTC发布的内容呢 [1:14] 很多很密 [1:15] 从芯片软件合作伙伴信息量 [1:17] 大到黄仁勋连喝水的时间都没有 [1:20] 但是呢咱们先从这张图开始 [1:22] 这张图背后 [1:22] 藏着今天GTC被最低估的一条线 [1:26] 这是黄仁勋展 [1:27] 示的英伟达自动驾驶合作伙伴清单 [1:30] 你们数一下啊 [1:31] 通用丰田奔驰捷豹路虎沃尔沃Rivian [1:34] 现代比亚迪吉利小鹏吉星未来理想 [1:37] 日产五十铃极客小米Stellantz Lucid [1:40] 19家几乎全球主流车企一个不落 [1:44] 黄仁勋在展示这张清单的时候 [1:45] 说了一句话 [1:46] 自动驾驶的ChatGPT时刻到了 [1:49] 大多数报道到这里就结束了 [1:51] 19家车企 [1:52] L4级别自动驾驶 [1:54] 很热闹下一条新闻 [1:55] 但是我看这张清单的角度不太一样 [1:58] 我上来先数了一下 [1:59] 里面有多少中国企业 [2:00] 比亚迪吉利小鹏未来理想极客小米 [2:03] 7家 19家里面超过1/3 [2:05] 你品一下这个比例 [2:07] 在芯片出口管制 [2:08] 卡着AI公司脖子的同时 [2:10] 在同一个时间窗口 [2:11] 中国最大的几家新能源企业 [2:14] 在自动驾驶这条赛道上 [2:15] 积极选择站在英伟达这边 [2:18] 为啥呢因为出口管制 [2:20] 目前卡的主要是通用算力芯片 [2:22] 汽车用的自动驾驶芯片这个口呢 [2:24] 还没有被完全封死 [2:26] 中国车企在这个窗口抢着上车 [2:28] 谁都不知道这扇门什么时候会被关上 [2:31] 但更值得琢磨的是 [2:32] 这张清单本身说明什么 [2:34] 16家车企 [2:35] 富含了美国欧洲日本韩国中国 [2:37] 全球所有的主要汽车市场的头部玩家 [2:40] 他们在同一天宣布使用同一个平台 [2:43] 黄仁勋在干嘛 [2:44] 他在建一个自动驾驶领域的行业标准 [2:48] 让我们用手机行业类比来说啊 [2:49] 特斯拉做自动驾驶的思路呢 [2:51] 是苹果的模式 [2:53] 自己的车 [2:53] 自己的传感器 [2:54] 自己积累了十几年的驾驶数据 [2:57] 自己的FSD软件 [2:59] 从头到尾 [3:00] 全部封闭 [3:00] 你想用只能买特斯拉 [3:03] 英伟达的思路呢 [3:04] 完全相反 [3:04] 芯片开放 [3:05] 软件开放 [3:06] AI驾驶模型开放 [3:08] 你是通用也好 [3:09] 你是比亚迪也罢 [3:10] 来了都能用 [3:12] 这是安卓模式 [3:14] 那这里面呢 [3:14] 有一个让英伟达比当年Google的位置 [3:16] 还要强的地方 [3:18] 当年Google做安卓 [3:19] 只控制软件层 [3:21] 芯片是高通做的 [3:22] 屏幕是三星做的 [3:23] 手机是各家OEM自己设计的 [3:25] Google说到底 [3:26] 只是提供一个操作系统 [3:28] 英伟达今天控制的是什么呢 [3:30] 芯片是自己设计的 [3:31] CPU是自己设计的 [3:33] 操作系统呢 [3:34] Nemo cloud是自己开发的 [3:36] AI驾驶模型是自己训练的 [3:38] 安全认证体系是自己建的 [3:40] 这个Halos安全自动体系呢 [3:42] 拿到了全球第一张a n [3:43] a b认证的AI安全检测实验室资质 [3:47] 把功能安全网络安全和AI合规 [3:49] 打包成了一个体系 [3:51] 从最底层的硅片 [3:52] 到最上层的安全标准 [3:54] 每一层都经他的手 [3:56] 然后今天还加了一个Uber啊 [3:58] 2027年 从洛杉矶和旧金山开始 [4:00] 部署 [4:00] 英伟达驱动的L4级别自动驾驶出租车 [4:03] 2028年 扩展到全球28个城市四大洲 [4:06] 远期目标10万辆车 [4:08] 所以你把这些串在一起看 [4:10] 英伟达不光给这些自动驾驶车大脑 [4:13] 还帮他们找好了出租车公司 [4:15] 还给他们建好了安全年检站 [4:18] 但有意思的是 [4:18] 你翻一下英伟达财报就知道了 [4:20] 汽车业务目前只占总收入的大约1% [4:24] 上个季度呢 [4:24] 只有5.92亿美金 [4:26] 连一个百分点都不到 [4:28] 黄仁勋把自动驾驶定义为公司的第二 [4:31] 大增长类品 [4:32] 仅次于AI数据中心 1%的收入 [4:35] 第二大增长品类 [4:37] 这说明黄仁勋看的不是今天的报表 [4:40] 他看的是2030年的世界 [4:42] 一个他认为 [4:43] 10亿辆车都会变成自动驾驶的世界 [4:46] 19家车企同时签约 [4:48] 说明至少有一部分行业内的人 [4:50] 认同了这个观点 [4:51] 这里再多说一句特斯拉 [4:53] 特斯拉现在自动驾驶这条路上 [4:54] 走的最远 [4:55] FSD在奥斯汀 [4:56] 已经跑了25万英里的无人出租车 [4:59] 实测500到600公里的路线呢 [5:01] 只需要一到两次人工干预 [5:04] 这个水平是相当强的 [5:05] 但是特斯拉的局限呢 [5:07] 在于封闭 [5:08] 全世界只有特斯拉的车能保 [5:10] 特斯拉的FSD [5:11] 丰田想用 [5:12] 抱歉不卖 [5:13] 比亚迪想用 [5:14] 对不起没门 [5:15] 虽然老马说未来会开放 [5:17] 但是暂时还没有看到苗头 [5:19] 英伟达是完全反过来的 [5:20] 他们的自动驾驶模型是开源的 [5:23] 今年年初的CES上 [5:24] 他们展示了一个demo [5:25] 用奔驰c l a [5:26] 在旧金山跑了40分钟城市道路 [5:29] 全程90%自动驾驶 [5:31] 中间只有一次安全员接管 [5:34] 英伟达内部还做了一个对比测试 [5:35] 跑同样的路线 [5:37] 英伟达系统的干预频率 [5:38] 跟特斯拉FSD已经在同一个数量级了 [5:41] 英伟达汽车部门的VP说了一句话 [5:43] 让我印象深刻 [5:44] 他说英伟达用一年时间 [5:45] 从高速公路推进到城市道路自动驾驶 [5:49] 特斯拉花了8年 [5:50] 当然了马斯克肯定会说 [5:52] 你走完90%不难 [5:54] 最后那10%才是地狱 [5:56] 从能用到比人类还安全 [5:58] 中间至少还隔着五六年 [6:00] 这两家谁对谁错 [6:01] 现在下结论呢 [6:02] 有点早但 [6:03] 是对投资者来说 [6:04] 有一个很明确的推论 [6:06] 英伟达的存在 [6:07] 让特斯拉在自动驾驶的领域的护城河 [6:10] 在变窄 [6:11] 19家车企突然有了一个现成的 [6:13] 性能接近的替代方案 [6:15] 而且这个方案呢 [6:16] 不需要你自己造车 [6:18] 自己攒10年数据 [6:19] 你只需要买英伟达的芯片 [6:21] 用它的模型接入它的平台就可以了 [6:24] 说白了英伟达 [6:25] 给全世界那些造不出FSD的车企 [6:28] 一条捷径 [6:29] 这条捷径对特斯拉来说 [6:31] 之前是动力 [6:32] 现在呢是压力 [6:34] 自动驾驶只是今天的GTC一条线 [6:37] 黄仁勋真正搭建的东西 [6:39] 比19家车企要大得多 [6:41] 这个东西呢 [6:42] 就叫Vera Rubin [6:43] 先说下这个名字啊 [6:44] 是英伟达特别喜欢用科学家的名字 [6:47] 来命名这个芯片架构 [6:49] 之前有Hopper [6:49] 有Blackwell [6:50] 现在有Vera Rubin [6:52] 这是一位美国的天文学家 [6:53] 他最大的贡献呢 [6:55] 是发现了暗物质存在的证据 [6:57] 用一个发现了看不见 [6:59] 但真实存在的力量的科学家来命名 [7:02] 黄仁勋大概觉得很合适 [7:04] AI就是这个时代无处不在 [7:06] 但你看不见的力量 [7:08] Vera Rubin呢不是一片芯片 [7:10] 黄仁勋在台上讲得很明确 [7:12] 想到Vera Rubin [7:13] 就要想到整个系统 [7:15] 7颗芯片 [7:16] 5套机架系统 [7:17] 一台超级计算机 [7:18] 整个系统由130万个零部件组成 [7:21] 垂直整合 [7:22] 从硬件到软件到网络到存储 [7:25] 为同一个目的设计 [7:26] 就是为了跑AI agent [7:29] 黄仁俊在台上 [7:30] 给了一条AI发展的时间线 [7:31] 2023年是ChatGPT生成式AI爆发 [7:34] 2024年是推理模型AI开始 [7:37] 学会想一想再回答 [7:38] 2025年呢是大规模上下 [7:40] 文窗口和agent的能力 [7:42] 黄仁勋直接点名说 [7:44] Anthropic的Claude Code [7:45] 是第一个真正意义上的agent模型 [7:47] 然后很自然地说了一句 [7:49] 英伟达100%的员工都在用claude code [7:52] 到了2026年 [7:53] 黄仁勋给了一个定义 [7:54] 是推理的拐点 [7:57] 这个概念值得展开说一下 [7:58] 因为 [7:58] 它是理解Vera Rubin的设计思路的钥匙 [8:01] AI以前的主要算力 [8:02] 集中在训练这个环节 [8:04] 你为给模型海量的数据 [8:06] 它花几个星期 [8:07] 甚至几个月把这些数据消化掉 [8:10] 学会各种能力 [8:11] 训练完成之后呢 [8:12] 模型就固定了 [8:13] 但是agent的工作方式完全不同 [8:16] 你给agent一个任务 [8:17] 比如说 [8:18] 帮我审查这份合同里的风险条款 [8:20] 并写一封备忘录 [8:21] 他不是查一个数据 [8:23] 吐个答案就完事了 [8:24] 他要先读合同全文 [8:26] 理解每一条条款的法律含义 [8:28] 然后去查相关的判例和法规 [8:30] 评估风险等级和发生概率 [8:33] 分析对客户的具体影响 [8:35] 最后起草一份结构化的备忘录 [8:37] 中间呢可能还要调用 [8:39] 两到三个专门领域的子agent [8:41] 来帮忙处理税务啊合规啊 [8:43] 知识产权方面的问题 [8:45] 整个过程消耗的是推理算力 [8:48] 而且是持续的反复的 [8:49] 一步接一步的 [8:51] 黄仁训的判断是 [8:51] 推理消耗的算力很快会超过训练 [8:54] 而且差距会拉大 [8:56] Vera Rubin就是为这个趋势量身定制的 [8:59] 88核的Vera RubinCPU [9:00] agent思考的方式跟训练不一样 [9:02] 训练可以几万条数据同时并行处理 [9:06] 但是agent要一步一步的串行推理 [9:09] 先分析合同 [9:10] 再查法规 [9:11] 再做判断 [9:12] 这颗CPU的单线能性能呢 [9:14] 被拉到了极致 [9:15] 这就是让每一步想的速度尽可能更快 [9:19] Groq 3 LPU [9:20] 这是英伟达去年花200亿美金 [9:22] 收购的Groupon公司 [9:23] 拿到的技术啊 [9:24] 这笔交易本身就是非常有意思的 [9:26] 他们的创始人和总裁被交割之后呢 [9:28] 直接加入了英伟达团队 [9:30] Groq 原本是Google内部TPU [9:32] 内部人创业出来的啊 [9:34] 换句话说 [9:34] 英伟达花了200亿 [9:36] 就把Google最了解AI芯片的那一帮人 [9:39] 挖走了然后用他们的技术 [9:41] 造了一颗 [9:41] 专门跟自家GPU搭档的推理芯片 [9:44] LPU全称语言处理单元 [9:47] 专门干低延迟推理这一件事儿 [9:50] 黄仁勋给了一个数字啊 [9:51] Grok LPU [9:52] 能把Verilibin的GPU [9:53] 每瓦token产出提升35倍 [9:56] 35倍啊为什么每瓦产出多少 [9:59] Cohen这个指标很重要呢 [10:01] 因为电费 [10:01] 已经成为了AI行业最大的运营成本 [10:04] 一个大型数据中心 [10:05] 一年的电费可以烧掉上亿美金 [10:08] 你在同样的电力预算下 [10:09] 能跑35倍多的推理任务 [10:11] 这直接决定你是盈利还是亏损 [10:14] 然后 [10:14] 就是开头讲到的1万亿的数字啊 [10:17] 去年英伟达说 [10:18] Blackwell和Vera Rubin的高执行订阅订单 [10:20] 有5,000亿 [10:21] 今年黄仁勋说翻倍了 [10:22] 到达了1万亿 [10:24] 这些顾客呢 [10:24] 包括AWS微软的Azure Google cloud [10:27] 全球最大的几个云厂商 [10:29] 这些订单一旦下了 [10:30] 想反悔很难啊 [10:32] Vera Rubin [10:32] 是由一个130万个零部件构成的系统 [10:36] 你的整个数据中心 [10:37] 芯片CPU网络交换机存储软件 [10:40] 全都是按照这个架构设计的 [10:42] 要想换成AMD或者自研芯片呢 [10:44] 相当于把整个数据中心推倒重建 [10:47] 这个迁移成本高到几乎不现实 [10:50] 而且 [10:50] 黄仁勋把路线图一直排到了2028年 [10:53] Vera Rubin之后呢 [10:54] 是Vera Rubin Ultra [10:55] 2027年下半年出货 [10:57] 144块GPU连在一起 [10:59] 再往后呢 [11:00] 是28年的Fehmen [11:01] 是以物理学家费曼命名 [11:04] 三代产品的路线图 [11:05] 清清楚楚摆在客户面前 [11:07] 客户看到这张图的反应大概率是行吧 [11:10] 我就跟着你走吧 [11:12] 黄仁勋今天还给了一个更远大的场景 [11:14] 啊 [11:14] 他说全球数据中心的资本支出 [11:16] 到2030年会达到3万到4万亿 [11:19] 他的推理逻辑是 [11:20] 过去全世界每年在传统技术上的投入 [11:23] 是3,000到4,000亿 [11:25] AI时代的计算需求呢 [11:26] 是以前的1,000倍 [11:27] 所以投入呢 [11:28] 翻几倍也是必然的 [11:30] 3万到4万亿 [11:31] 如果他是对的 [11:32] 那现在1万亿可能只是开头 [11:34] 而且黄仁勋的野心 [11:35] 还不止于地球上的数据中心 [11:38] 今天他还展示了Vera Rubin space一的计划 [11:40] 把数据中心送上太空 [11:43] 具体细节也没有多讲 [11:44] 他只是说 [11:44] 我们有很多的优秀工程师 [11:46] 正在研究辐射防护问题 [11:48] 听起来还在早期 [11:49] 但是这个信号本身 [11:51] 说明了黄仁勋怎么看未来 [11:53] 地球上的电力和土地 [11:54] 迟早会成为AI扩张的瓶颈 [11:56] 太空是打破这个瓶颈的方向之一 [11:59] 这跟老马很像啊 [12:01] 还有一个很多人没在意的合作 [12:02] 就是GTC开始之前 [12:04] 我们之前视频讲过 [12:05] 英伟达宣布 [12:06] 对这个thinking machine lab进行了重大投资 [12:09] 他们的创始人呢 [12:11] 是Mira Moradi是Openai的前CTO [12:14] 在离开Openai之后 [12:15] 自己创业 [12:16] 拿到了500亿美金的估值 [12:18] 黄仁勋在GTC大会前一周 [12:19] 宣布这笔投资 [12:20] 时间点非常讲究 [12:22] 等于提前给发布会的Keynote [12:24] 铺了一个 [12:24] 我在押注AI未来的叙事底色 [12:28] 有人说英美达是卖铲子的 [12:29] 今天看完GTC呢 [12:30] 我觉得这个比喻该更新了啊 [12:32] 黄仁勋今年做的一件事儿 [12:34] 用一句话说 [12:34] 他在修路 [12:35] 建电厂开矿厂 [12:36] 定安全标准 [12:38] 然后告诉所有的淘金者 [12:39] 你随便爱用谁的铲子都行 [12:41] 但是你走的路是我修的 [12:43] 你用的电是我发的 [12:44] 你挖的矿 [12:45] 必须遵守的安全规则也是我定的 [12:47] 这已经不是卖铲子这么简单了 [12:49] 这是卖一整套基础设施 [12:51] 如果你觉得这些分析有用呢 [12:53] 记得帮我点一下关注啊 [12:54] 你的支持 [12:54] 是我做这些深度拆解的最大动力 [12:57] 到这里呢 [12:57] 我要说一件事儿 [12:58] 做内容的人都知道 [12:59] 预测是一把双刃剑啊 [13:01] 说对了没人记住 [13:02] 说错了呢 [13:02] 所有人都记得 [13:03] 但是呢我还是愿意公开对账啊 [13:05] 上周呢我们做了一期视频 [13:07] 关于AI Agent [13:08] 聊的是Meta收购Moltbook那期 [13:11] 那期视频的结尾呢 [13:12] 我给了三个我会盯着的信号 [13:13] 第一个我的原话是3月16号 [13:15] 英伟达GTC大会 [13:17] 黄仁勋主题演讲 [13:18] 如果他超过10分钟时间讲AI agent [13:21] 这期视频里的每个信号 [13:23] 都会被放大10倍 [13:25] 好了今天黄仁勋花了多长时间讲agent [13:27] 真呢不是10分钟啊 [13:29] agented AI是整场两个多 [13:31] 小时Keynote的核心主线 [13:33] 不是某一个板块 [13:34] 某10分钟的一个环节啊 [13:36] 是从头到尾贯穿始终的主旋律 [13:39] 他在台上直接提到了Mobile [13:41] 他说OpenClaw——Moltbook背后的技术框架 [13:44] 是"Agent计算机的操作系统" [13:46] 他把它跟Linux和h t t p [13:48] 放在同一个级别上类比 [13:50] 他的原话是 [13:51] 每一家公司都需要有一个OpenClaw战略 [13:54] 他们还发布了Nimocall [13:55] 这是因为他自己做的开源Agent平台 [13:58] 基于OpenClaw [13:58] 加入了企业级别的安全 [14:00] 和数据隐私保护 [14:01] 小龙虾的创始人呢 [14:02] Peter甚至出现在GTC的Pre show环节 [14:05] 跟黄仁勋互动 [14:06] 想想看啊 [14:07] 几个月前 [14:08] 这还是一个独立开发者 [14:09] 在周末搭出来的side project [14:11] 今天呢 [14:12] 站在了全球最大的AI大会的舞台中央 [14:15] 然后黄仁勋说了一句更大胆的判断 [14:17] it行业将从SaaS变成Gaas [14:20] software as a service变成agent as a service [14:23] 说实话我也不知道为什么 [14:24] 这个这个g代表什么 [14:26] 但是这个g如果拿掉 [14:27] 就变成AAs了 [14:28] 不太好听 [14:29] 大家评论区可以猜一下啊 [14:30] 你想想这句话的含义啊 [14:32] 过去20年 [14:32] 整个软件行业都建立在SAAS模式上 [14:35] 你付月费用别人的软件 [14:37] Salesforce slack Zoom都是这样的 [14:40] 黄仁勋说的是 [14:41] 这个模式要被agent替代了 [14:42] 你不再需要一个一个买软件工具 [14:45] 你需要的是一个agent [14:46] 它会根据任务自己去调用不同的工具 [14:49] 上周微软CEO呢 [14:51] 发布了copilot Coworker [14:53] 当时我就说 [14:54] 这是对所有SaaS创业公司的直接开火 [14:57] 今天黄仁勋从硬件的层面 [14:59] 也确认了同样的方向 [15:00] 当英伟达和微软 [15:01] 同时对着SaaS行业开枪的时候 [15:03] 那些靠单一功能吃饭的软件公司 [15:06] 应该更紧张了 [15:08] 上期视频 [15:08] 我说超过10分钟讲AI agent [15:11] 这里面的内容呢 [15:12] 就放大10倍 [15:13] 结果呢Jenson用了120分钟 [15:15] 我说小了 [15:17] 但是小不重要啊 [15:18] 方向对了才重要 [15:19] 上周视频还说了另外一个说法 [15:21] 就是AI agent像一个物种在建国 [15:23] 评论区有不少朋友说太夸张了 [15:26] 说不就是一些机器人在聊天 [15:28] 互相发帖吗 [15:29] 今天 [15:29] 黄仁勋用一整场GTC的Keynote的分量 [15:32] 确认了这个真不是夸张啊 [15:35] 咱们把今天的发布串一起来看啊 [15:37] Vera Rubin被明确定义为 [15:39] 专门为AI agent设计的系统 [15:41] 88核Vera CPU呢 [15:43] 是为Agent的串行思考优化的 [15:46] NemoClaw是给Agent创造的操作系统 [15:48] 那张车企合作清单 [15:50] 和Uber自动驾驶车队 [15:51] 是Agent走向物理世界的第一批轮子 [15:54] 迪士尼训练Olaf [15:55] 机器人在台上走路说话唱歌 [15:57] 那是Agent的第一张脸 [15:59] 上周Agent在molbook上只有文字 [16:01] 他们能发帖 [16:02] 能建宗教 [16:03] 能跟人吵架 [16:04] 今天呢他们有了操作系统 [16:05] 有了专用的芯片 [16:07] 有了轮子 [16:07] 有了脸中间就隔了几天 [16:10] 评论区告诉我 [16:10] 你觉得AI agent [16:11] 能不能像我们预测的趋势走向啊 [16:14] 你是否因为Alan的频道 [16:15] 介绍给你一种鸟瞰全局的掌控感呢 [16:19] 在这你可 [16:19] 能还会追问 [16:20] 这些跟我的钱包有什么关系 [16:22] 我又不做数据中心 [16:23] 我也不买英伟达的芯片 [16:25] 那我们就来看几个投资者关心的数字 [16:27] 啊 [16:27] 英伟达的股价从去年10月高点207美金 [16:31] 跌到了最近的180美金附近 [16:33] 回调大约10%到15% [16:35] GTC key呢当天呢是涨了2% [16:38] 但是呢又收跌 [16:39] 这么重磅的发布会 [16:41] 只涨了这么一点 [16:42] 力度呢是相当克制的 [16:44] 这是为什么呢 [16:45] 一个可能的解释就是 [16:47] 市场在纠结一个先有鸡 [16:49] 还是先有蛋的问题 [16:51] 7,000亿美金 [16:51] 这是全球科技巨头 [16:53] 在AI技术设施预计的总支出 [16:56] 迈达一家 [16:56] 今天就签了270亿美金的AI基建合同 [17:00] AWS宣布要部署超过100万块英伟达GPU [17:04] 罗氏制药在全球部署3,500块Blackwell GPU [17:06] 做药物研发 [17:08] 钱呢确实砸下去了 [17:10] 但是回报速度够不够快 [17:12] 这是华尔街现在每天都在问的问题 [17:15] 华尔街的回答是几个字 [17:16] 算利等于营收 [17:18] 它的意思是 [17:18] 建数据中心不是在花钱 [17:21] 是在建AI工厂 [17:22] 工厂的产品是TOKEN [17:24] TOKEN呢可以变成钱 [17:26] 他举了几个例子啊 [17:27] Meta的AI广告系统升级之后 [17:29] 广告收入直接涨了 [17:30] 同样的用户数量 [17:31] AI优化后卖出了更高的广告单价 [17:34] 詹森还说了 [17:35] Anthropic一年营收翻了10倍 [17:37] 这些都是算力等于营收的早期证据 [17:40] 但是华尔街的态度是好 [17:41] 我看到了一个季度的数字不是趋势 [17:44] 你先持续几个季度的成绩单 [17:47] 我再给你更高的估值 [17:49] Morgan Stanley维持260美金的目标价 [17:51] 说185美金是一个令人意外的好买 [17:54] 点Wells Fargo翻了历史数据 [17:56] 发现过去几年GTC之后的三个月 [17:59] 英伟达通常跑赢整个半导体板块 [18:02] 12%到45% 分析师群体呢 [18:06] 都挺乐观的 [18:07] 但是市场有他自己担心的事 [18:09] 英伟达硬件快到更新 [18:11] 一年一代Blackwell铺了没多久 [18:13] Vera Rubin就来了 [18:15] 后面呢还有Fayman [18:16] 有分析师直接说了一句很扎心的话 [18:18] 这等于让客户的数据中心基础设施 [18:21] 变成了消耗品 [18:22] 年年要换代 [18:24] 年年要砸钱 [18:25] 这谁受得了呀 [18:27] 对英伟达来说 [18:27] 当然是件好事儿啦 [18:28] 年年都有新的订单进来 [18:30] 但对客户来说 [18:31] 资本支出的压力在持续叠加 [18:34] 24年刚投了一笔建Blackwell数据中心 [18:37] 25年呢又要投一笔换Vera Rubin [18:39] 26年还得为Fehmen做预留 [18:41] 这个预算 [18:42] 这个节奏 [18:43] 对任何一家公司的CFO来说 [18:45] 都是压力山大 [18:46] 所以市场纠结的核心在这里啊 [18:48] 黄仁勋画的那张远景图 [18:50] 全球数据中心投资 [18:51] 到2030年达到3-4万亿美元 [18:54] 如果是对的 [18:55] 因为它的增长空间呢 [18:56] 还有好几倍 [18:57] 但如果他太乐观了 [18:59] 如果AI的商业变现速度 [19:01] 跟不上硬件换代的速度 [19:03] 那就可能是另一个版本的 [19:05] 2,000年光纤泡沫 [19:07] 方向没错 [19:08] 但节奏太快 [19:09] 太超前最后 [19:10] 大量刚建好的产能闲置 [19:13] 下面说三个我会自己定制的指标啊 [19:15] 第一个各大云厂商的资本支出增速 [19:17] 现在是加速的 [19:19] 如果到明年的某个季度突然放缓 [19:21] 那就是ROI验证不过关的黄灯信号 [19:24] 第二个 [19:24] 推理收入在英伟达总收入里的占比 [19:27] 黄仁勋反复强调 [19:28] 推理是新的增长极 [19:30] 如果这个占比在持续上升 [19:31] 说明AI应用端产生的是真正的价值 [19:35] 有人在付费买TOKEN [19:36] 而不是在囤芯片 [19:38] 第三个 [19:38] 就是下游AI公司自身的营销增长 [19:41] Anthropic Openai [19:42] 各种AI应用公司 [19:43] 他们的收入在涨吗 [19:45] 他们赚的越多 [19:46] 买GPU的钱就越多 [19:47] 但是他们如果赚不到钱 [19:49] GPU的需求迟早要降温 [19:51] 还有一个产业链的维度值得关注 [19:54] 英伟达今天展示的Verilobin [19:55] 用的是HBM4的内存 [19:58] 这种高宽段内存 [19:59] 目前只有三家公司能量产 [20:01] 三星SK海力士和镁光 [20:03] 他们的产能 [20:04] 直接决定了英伟达的出货速度 [20:06] 所以如果你在关注英伟达 [20:08] 同时也值得看看 [20:09] 这三家内存厂商的产能规划 [20:11] 和订单情况 [20:12] 上游卡脖子卡在哪里 [20:14] 很多时候比下游的需求旺不旺盛 [20:16] 更能决定短期的股价走势 [20:18] 另外 [20:19] 今天GTC上还有一个被忽略的信号 [20:21] 英伟达跟AWS的合作扩大了 [20:23] AWS要部署超过100万块英伟达的GPU [20:27] AWS是open AI除了微软之外 [20:29] 最大的基础设施提供商 [20:32] 100万块GPU [20:33] 意味着AWS [20:34] 在为一个远超当前规模的AI [20:36] 推理需求 [20:37] 做准备对云计算板块来说 [20:39] 这是一个很强的需求信号 [20:41] 如果你觉得这种帮你把数据拆开 [20:43] 逻辑理清 [20:44] 观察框架搭好的内容有用 [20:46] 点赞收藏一下这期视频 [20:48] 下次市场如果英伟达波动的时候 [20:50] 翻出来再看看 [20:51] 会比别人说什么抄底啊 [20:53] 或者跑路有用的多 [20:56] 最后呢说一个感受 [20:57] 上周那期视频AI agent的时候 [20:59] 我用了一个词 [21:00] 是速度差 [21:01] AI每3个月升级一代 [21:03] 人类不会每3个月升级一代 [21:05] 光是这个速度差 [21:06] 不需要任何恶意 [21:07] 也不需要什么天网觉醒 [21:09] 就足以改变所有的游戏规则 [21:11] 今天的GTC呢 [21:12] 给了这个速度差 [21:13] 一个肉眼能看得见的脚注 [21:15] 一年前呢 [21:16] AI只能给你打字聊天 [21:18] 半年前AI开始帮你写代码审代码 [21:21] 黄仁勋今年说 [21:22] 英伟达内部每个工程师产出 [21:23] 是因为AI提升了一倍 [21:25] 上周AI有了自己的社交网络 [21:27] 在上面建了宗教 [21:29] 今天呢AI有了专用的招操作系统 [21:31] 有了定制芯片 [21:33] 有了一整个车企联盟当先遣部队 [21:35] 冲进物理世界 [21:37] 有28个城市的出租车车队 [21:39] 规划有一个太空数据中心的宏伟蓝图 [21:42] 黄仁勋在台上最后展示了一个画面 [21:44] 迪士尼用英伟达的Isaac仿真平台 [21:47] 和强化学习 [21:48] 训练了一个Olaf机器人 [21:50] 就是冰雪奇缘里那个雪人啊 [21:52] 然后在台上跟黄仁勋一起走来走去 [21:55] 唱歌跳舞聊天 [21:57] 很多人在社媒上吐槽 [21:58] 一个亿万富翁在台上跟假雪人尬聊 [22:01] 这就是AI的未来吗 [22:03] 换个角度看啊 [22:04] 这个机器人是虚拟世界训练出来的 [22:06] 学会了走路和说话 [22:08] 然后被搬到了真实世界的舞台上 [22:11] 从虚拟到物理 [22:12] 从Moltbook上发文字贴的AI [22:14] 到GTC舞台上会走路的机器人 [22:17] 这中间隔了多久呢 [22:18] 也就几个月 [22:20] 这个速度对普通人意味着什么呢 [22:22] 如果英伟达这种顶级科技公司 [22:24] 能把AI人效翻倍 [22:26] 其他公司会不会 [22:27] 学呢 [22:28] 而且这还只是开始啊 [22:29] Nemoclaw上线之后 [22:30] 企业部署AI agent的门槛会大幅降低 [22:33] 黄仁勋说的很直白 [22:35] 一条命令就能搭建一个AI agent [22:37] 以前需要一个团队花几个月时间 [22:40] 现在一行代码就可以搞定 [22:42] 甚至不是代码 [22:42] 是一条命令就可以搞定 [22:44] 当AI agent代替你审代码 [22:46] 帮你写合同 [22:47] 给你做数据分析 [22:48] 甚至能替你开出租车的时候 [22:50] 你的不可替代性在哪呢 [22:52] 当然 [22:52] 我不是在制造焦虑啊 [22:53] 因为昨天的AI裁员的视频里 [22:55] 列举了很多明确的数字 [22:58] 我说的是 [22:58] 今天的GTC上 [22:59] 黄仁勋展示的每一个产品背后 [23:01] 都对应着一类会被改变的工作 [23:04] verorubin对应的是数据中心的运维 [23:06] NemoClaw对应的是企业it和SaaS的行业 [23:09] 自动驾驶 [23:10] 对应的是出租车司机和货车司机 [23:13] Olaf机器人对应的是服务行业 [23:15] 这些变化 [23:16] 不是十几年后的事 [23:18] 按照今天展示的线路图 [23:20] 27年就会看见 [23:22] 留给人类适应的窗口呢 [23:24] 比大多数人以为要短的多 [23:26] 还补充一个 [23:27] 今天被多数媒体忽略的细节啊 [23:29] 罗氏制药 [23:30] 全球最大的药企之一 [23:31] 宣布呢在全球部署3,500块Blackwell GPU [23:35] 横跨研发诊断和生产三条线 [23:38] 这就意味着 [23:39] AI不只是在帮科技公司写代码 [23:41] 它开始进入药物研发的管线了 [23:44] 一颗新药 [23:45] 从实验室到上市 [23:46] 平均需要10年 [23:47] 花费20亿美金 [23:49] 如果AI能把这个流程缩短 [23:50] 哪怕两三年 [23:52] 对整个医疗健康行业 [23:53] 以及对你我的生活 [23:55] 影响可能比自动驾驶还大 [23:57] 黄仁勋还在谈事 [23:58] 展示了和强生的合作 [24:00] 强生用英伟达的IGX Thor芯片 [24:02] 做数字手术平台 [24:04] 把实时AI推理带进手术室 [24:07] 这些消息单独看 [24:08] 每一条都是又一个合作伙伴 [24:11] 但你把它们放在一起看 [24:13] 车在用药在用 [24:14] 手术室在用 [24:15] 工厂在用 [24:16] 英伟达的芯片 [24:17] 正在渗透到你生活的每一个角落 [24:19] 回到今天的核心 [24:20] 有人问英伟达到底算什么公司 [24:23] 是卖芯片的做GPU的 [24:24] 还是AI概念股 [24:26] 今天的GTC大会 [24:27] 给了一个更清晰的答案 [24:29] 英伟达正在变成AI时代的基础设施 [24:31] 运营商芯片CPU操作系统安全认证 [24:34] 开发者平台 [24:35] 它在从下到上搭建一整套体系 [24:38] 然后让全世界的AI公司 [24:40] 车企药企国防承包商 [24:43] 都在这套体系里运转 [24:45] 今天那个万亿级别的订单数字 [24:47] 不是终点 [24:48] 是黄仁勋在告诉市场 [24:49] 我的客户已经上了这条路 [24:51] 回头的代价比继续往前走要高得多 [24:55] 正所谓万亿订单垒高墙 [24:57] 3月迭代抵百年 [24:59] 芯片入药入手术 [25:01] 肉身何处可安闲 [25:04] 这到底是远见还是泡沫 [25:05] 评论区告诉我你的判断 [25:07] GTC还剩3天 [25:08] 重要的session我会持续跟踪 [25:10] 想第一时间看到拆解的 [25:12] 记得订阅点赞 [25:13] 打开小铃铛 [25:14] 我是Alan [25:14] 看完再赞 [25:15] 腰缠万贯 [25:16] 我们下期视频再见